주요 복부 수술 중 내과적 유체 관리 최적화를 위한 세 가지 다른 GHDT(목표 혈동학적 지시 치료) 전략: 무작위 비교 연구

간략 요약

대장수술과 같은 주요 암 수술은 가장 복잡한 절차 중 하나로, 즉시 수술 후 결과와 삶의 질에 크게 영향을 미칠 수 있는 고위험 요인을 가진 환자들이 포함되어 있습니다. 이러한 환자들의 수술 중 혈동적 관리는 중요한 도전입니다: 수술 중 심혈관 안정과 체액 균형 유지는 급성 신장 손상, 심장 근막 부족, 세포증 등의 합병증을 줄이는 데 관련이 있습니다. 문헌 연구는 수술 중 특정 알고리즘에 따라 체액 행정이 합병증을 줄이고 환자 결과를 개선할 수 있음을 보여주었습니다. 최근 몇 년간 인공지능(AI)의 혁신은 수술 중 혈동적 변수 관리 방식을 근본적으로 변화시켰습니다. AI는 실시간 클리닉 데이터 처리를 가능하게 하여, 약 80%의 정확도로 약 10분 전에 발생할 가능성이 있는 저혈압 발작을 예측할 수 있게 하여, 의료 팀이 적극적으로 개입할 수 있게 합니다. 이러한 기술의 예로는 Hypotension Prediction Index (HPI)가 있습니다. HPI는 머신러닝 알고리즘을 사용하여 혈동적 데이터를 분석하고, 발작 전 80% 정확도로 저혈압 위험을 예측합니다. 따라서 체액 행정 볼륨과 패치 컨투어 시스템에서 파생된 매개변수를 통합한 소프트웨어가 현재 사용되고 있으며, 체액 볼륨 행정의 효과를 분석할 수 있습니다. 예를 들어, Assisted Fluid Management (AFM) 소프트웨어는 의료진이 체액 행정 시간을 선택하고, 체액 반응성에 따른 효과를 평가하는 데 도움을 줍니다. 이는 수술 중 체액 관리에 관련된 부적절한 합병증(기관 손상 등)을 줄이고, 체액과 혈관 강화제 약물의 사용을 최적화할 수 있게 합니다. 수술에서 AI의 사용이 증가하고 있지만, 이러한 기술의 임상적 및 경제적 영향은 여전히 연구 중입니다. 고급 수술 중 혈동적 관리 도구는 저혈압 발작의 지속 시간을 줄이고 혈동적 안정성을 개선하는 것으로 나타났습니다. 이러한 모니터링의 임상적 영향, 합병증과 수술 후 입원 기간에 따라, 고위험 환자 그룹에서 이러한 기술의 사용을 권장하는 데 중요할 수 있습니다. 이는 수술 후 합병증이 환자 관련 병원 입원 비용을 증가시킨다는 의료 문헌과 일치합니다. 이 연구는 목표 지향 혈동적 치료(GDHT) 프로토콜과 AI 소프트웨어를 세 가지 다른 상황에서 결합하는 유용성을 탐구하는 목적을 가지고 있습니다. 이 연구의 주요 목적은 AI를 지원하는 세 가지 GDHT 프로토콜 중 하나를 통해 대장암 수술을 받는 환자들 간 수술 중 체액 행정 볼륨에 있어 중요한 차이가 있는지 평가하는 것입니다. 이 연구의 부수적인 목적은 다음과 같습니다: * 세 그룹 간 Time-Weighted Average Hypotension (TWAH)에 따른 저혈압 발작 비율을 평가합니다. * 세 그룹 간 수술 후 합병증과 병원 사망률을 분석합니다. * 세 그룹 간 전체 병원 입원 기간 및/또는 중환자실에서 지낸 일 수를 평가합니다. 이 연구는 일상적인 실천에서 존재하는 혈동적 모니터링 기술의 임상적 효과를 제공하는 증거를 목표로 합니다. 결과는 수술 중 혈동적 관리의 최적화를 정의하고, 임상 결과를 개선하고 의료 자원의 사용을 최적화하는 데 도움이 될 것입니다.